Em ambientes de Business Intelligence (BI) e Data Warehousing, os processos de Extract, Transform, Load (ETL) são fundamentais para integrar dados provenientes de diferentes fontes, garantindo qualidade, consistência e disponibilidade para análises estratégicas.
Em relação ao processo de ETL, assinale a afirmativa correta.

Carla está trabalhando no Power BI e deseja criar um gráfico para comparar valores distintos de temperatura e umidade relativa do ar, mostrando a possível correlação entre essas duas grandezas. Nesse caso, Carla deve trabalhar com o gráfico de

No processo de preparação e transformação de dados, especialmente em ambientes de BI (Business Intelligence) e ETL (Extract, Transform, Load), são aplicadas operações que possibilitam a limpeza, padronização e modelagem dos dados brutos para posterior análise. Com base nas boas práticas de transformação de dados, assinale a alternativa correta. 

No Power BI, a modelagem de dados é essencial para garantir desempenho e a correta interpretação das informações. Um modelo, no Power BI, consiste em uma ou mais tabelas e diversas relações entre elas (quando existir mais de uma tabela). Para garantir granularidade e eficiência nas visualizações e relatórios, a escolha do esquema de dados é fundamental.
Uma empresa está implementando um dashboard no Power BI para monitorar as vendas de seus produtos em diversas regiões do país. O banco de dados contém informações sobre:

• Vendas realizadas (data, valor, quantidade, produto vendido, vendedor e região).
• Detalhes dos produtos (código, categoria, marca e preço unitário).
• Informações dos clientes (nome, CPF, idade, estado civil e cidade).
• Registros de vendedores (nome, código do vendedor e equipe de vendas).

Considerando as melhores práticas de modelagem de dados no Power BI, qual esquema de dados é mais adequado para estruturar esse modelo e garantir performance e facilidade de análise?

Uma rede varejista precisa analisar tendências de consumo e padrões de vendas ao longo do tempo. No entanto, seu banco de dados operacional não suporta consultas complexas para tomada de decisões estratégicas. A solução que pode consolidar grandes volumes de dados históricos e facilitar análises detalhadas é um: 

Considere o seguinte modelo de dados no Power BI construído por um desenvolvedor:

•Tabela Vendas com colunas: Data, Produto, Quantidade, ValorTotal, ID_Cliente.
•Tabela Clientes com colunas: ID_Cliente, Nome, Segmento.

As tabelas estão relacionadas por ID_Cliente, em um relacionamento um-para-muitos de Clientes para Vendas. O desenvolvedor então cria a seguinte medida em DAX:

Total Vendas Segmento = CALCULATE(    SUM(Vendas[ValorTotal]),    ALL(Clientes[Segmento]) )

Diante do exposto, assinale a alternativa que apresenta o efeito dessa medida em um visual de tabela que mostra Clientes[Segmento] e Total Vendas Segmento.

Um técnico de informática do MPRS está trabalhando em um projeto utilizando o Power BI para análise de dados relacionados aos processos em andamento na instituição. O profissional recebeu um conjunto de dados no qual as informações sobre os tipos de processos estão organizadas em colunas separadas, como “Ação Civil Pública”, “Inquérito Civil” e “Processo Penal”. Para facilitar a análise, ele precisa transformar essas colunas em linhas, permitindo uma visão mais detalhada dos processos. No Power BI, qual comando no Power Query o técnico deve utilizar para realizar essa transformação?

O MPRS está implementando uma solução de Business Intelligence (BI) para aprimorar a análise de dados relativos a processos e ações judiciais, a fim de apoiar a tomada de decisões estratégicas e operacionais. O técnico de informática é responsável pela implantação e manutenção dessa solução, com o objetivo de estruturar os dados de forma eficiente e facilitar a consulta por diferentes departamentos e usuários. Como parte do projeto, foi adotada a modelagem multidimensional para organizar os dados relativos aos processos judiciais, incluindo informações sobre os tipos de ações, os advogados envolvidos, as decisões tomadas e os tempos de tramitação. As dimensões incluem “Processo” (com subcategorias como “Tipo de Ação”, “Status”, “Data de Abertura”), “Advogado” (com subcategorias como “Nome”, “OAB”, “Especialização”) e “Data” (com subcategorias como “Ano”, “Mês”, “Dia”). As medidas incluem a quantidade de processos, o tempo médio de tramitação e o número de decisões tomadas. Com a estrutura multidimensional, o MPRS poderá analisar os dados de forma eficiente, por exemplo, comparando o tempo de tramitação de processos entre diferentes tipos de ação ou avaliando a produtividade de advogados em relação aos processos que envolvem suas especializações.

Nesse caso, qual estrutura multidimensional está sendo implementada pelo MPRS para organizar e analisar os dados dos processos de acordo com o exposto? 

Considerando a utilização de ferramentas de visualização de dados, sendo o Qlik Sense a ferramenta escolhida para análise, qual função retorna o nome da conexão de dados ativa para conexões ODBC (Open Database Connectivity) ou OLE DB (Object Linking and Embedding Database), sendo que essa função retornará uma string vazia caso nenhum comando connect tenha sido executado, assim como retornará uma string vazia após uma declaração de disconnect?

Assinale a opção que apresenta uma técnica de modelagem e otimização de bases de dados para business intelligence.

Durante o processo de modelagem multidimensional, alguns analistas criam dimensões normalizadas separadas para cada nível de uma hierarquia, como por exemplo, uma dimensão de data, dimensão de mês, dimensão de trimestre e dimensão do ano e, em seguida, inclui todas essas chaves estrangeiras em uma tabela de fatos. Isso resulta em uma tabela de fatos com dezenas de dimensões hierarquicamente relacionadas.
Esse tipo de abordagem deve ser evitada pois cria tabelas de fatos denominadas de 

Qual é a principal finalidade de um datamart no contexto de sistemas de Business Intelligence, considerando suas funções específicas?

O gestor de qualidade do MPU solicitou à analista de Business Intelligence Maria um Dashboard para monitorar o desempenho da tramitação dos processos ao longo do tempo.

O programador Pedro havia implementado o banco de dados MongoProc, no MongoDB, para armazenar os dados do sistema de tramitação de processos judiciais. Então, Maria solicitou a ele a consulta ao MongoProc para alimentar as tabelas: fato_proc (quantidade), dim_data, dim_estado. Pedro respondeu que não poderia fornecer apenas uma consulta, pois seria necessário transformar os dados NoSQL em relacional. Para implementar a solução, Maria poderá utilizar apenas as ferramentas disponíveis no MPU: MongoDB, PostgreSQL, MySQL, Flyway, Pentaho, QlikView e MicroStrategy.

Para transformar os dados NoSQL visando a alimentar as tabelas e construir o Dashboard, Maria deve: